摘 要：生物特征识别技术是利用人的生理特征或行为特征，来进行个人身份的鉴定。文章论述了现有得各种生物特征识别技术的原理，特征的优缺点，介绍生物特征识别技术的发展趋势。
关键词：身份鉴别；人体生物特征；发展趋势
1． 引言
信息化高速发展的一大特征是个人身份的数字化和隐性化，如何准确鉴定一个人的身份，保护信息安全是当今信息化时代必须解决得一个关键性社会问题。生物特征身份鉴别技术是身份鉴别领域的一个研究热点。生物特征识别技术是指利用人体固有的生理特征或行为特征来进行个人身份鉴别认证的技术。生物特征识别技术包括采用人体固有的生理特征（如人脸、指纹、虹膜、静脉、视网膜）进行的身份认证技术和利用后天形成的行为特征（如签名、笔迹、声音、步态）进行的身份认证技术。与传统的身份鉴定手段相比，基于生物特征识别的身份鉴定技术具有如下优点：（1）不会遗忘或丢失；（2）防伪性能好，不易伪造或被盗；（3）“随身携带”，随时随地可用。正是由于生物特征身份识别认证具有上述优点，基于生物特征的身份识别认证技术受到了各国的极大重视。
2. 生物特征识别技术的现状及发展趋势
目前，常用的生物特征识别技术所用的生物特征有基于生理特征的如视网膜、人脸、指纹、虹膜，也有基于行为特征的如笔迹、声音等。下面就这些常见的生物特征识别技术的特点及其发展趋势进行讨论研究。
2.1．视网膜识别
人体的血管纹路也是具有独特性的，人的视网膜表面血管得图样可以利用光学方法透过人眼晶体来测定。用于生物识别的血管分布在神经视网膜周围，即视网膜四层细胞得最远处。如果视网膜不被损伤，从三岁起就会终身不变，如同虹膜识别技术一样，视网膜扫描可能具有最可靠，最值得信赖得生物识别技术，但它运用起来的难度较大。视网膜识别技术要求激光照射眼球的背面以获得视网膜特征得唯一性。
视网膜技术的优点：视网膜是一种及其固定得生物特征，因为它是隐藏的，故而不易磨损，老化；非接触性得；视网膜是不可见得，不会被伪造。缺点是：视网膜技术未经过任何测试，可能会给使用者带来健康的损坏。
2.2.人脸识别
人脸识别作为一种基于生理特征的身份认证技术，与目前广泛应用的以密码、IC卡为媒
介的传统身份认证技术相比，具有不易伪造、不易窃取、不会遗忘的特点；而人脸识别与指纹、虹膜、掌纹识别等生理特征识别技术相比，具有非侵犯性、采集方便等特点。因而人脸识别是一种非常自然、友好的生物特征识别认证技术。
人脸识别技术包括图像或视频中进行人脸检测、从检测出的人脸中定位眼睛位置、然后提取人脸特征、最后进行人脸比对等一系列相关的技术。
为了评测基于面部图像的人脸识别算法的性能。美国ARPA和ARL于1993年至1996年建立了FERET数据库，用于评测当时的人脸识别算法的性能。共举行了三次测试FERET94、FERET95、FERET96。FERET测试的结果指出，光照、姿态和年龄变化会严重影响人脸识别的性能。
FERET的测试结果也表明了基于面部图像的方法的缺点。人脸是一个三维非刚体，具有姿态、表情等变化，人脸图像采集过程中易受到光照、背景、采集设备的影响。这些影响会
降低人脸识别的性能。
为了克服姿态变化对人脸识别性能的影响，也为了进一步提高人脸识别性能，20世纪90年代后期，一些研究者开始采用基于3D的人脸识别算法。这些算法有的本身就采用三维描述人脸，有的则用二维图像建立三维模型，并利用三维模型生成各种光照、姿态下的合成图像，利用这些合成图像进行人脸识别。2000年后，人脸识别算法逐渐成熟，出现了商用的人脸识别系统。为了评测这些商用系统的性能，也作为FERET测试的延续，美国有关机构组织了FRVT2000、FRVT2002、FRVT2006测试。测试结果表明，人脸识别错误率在FRVT2006上下降了至少一个数量级，这种性能的提升在基于图像的人脸识别算法和基于三维的人脸识别算法上都得到体现。此外，在可控环境下，虹膜、静态人脸和三维人脸识别技术的性能是相当的。此外，FRVT2006还展现了不同光照条件下人脸识别性能的显著提高，最后，FRVT2006表明人脸自动识别的性能优于人。值得一提的是，清华大学电子工程系作为国内唯一参加FRVT2006的评测的学术机构，其人脸自动识别性能优于人类。FRVT2006为人脸识别后续的研究指明了方向，人脸识别中光照、年龄变化依然对人脸识别性能有很大影响，二维人脸识别的性能不比三维人脸识别差。
人脸识别得优点：非接触性的。缺点是：要是比较高级得摄像头才也有效地扑捉面部图像；使用者面部的位置与周围得光环境都可能影响系统的精确性，而且面部识别容易受欺骗；
对于采集图像的设备会比其他技术昂贵得多。
2.2. 指纹识别
指纹识别技术是指通过比较不同人指纹中的特征点不同来区分不同人的身份。指纹识别技术通常由三个部分组成：对指纹图像进行预处理；提取特征值，并形成特征值模板；指纹特征值比对。指纹图像预处理的目的是为了减少噪声干扰的影响，以便有效提取指纹特征值。常用的预处理方法有图像增强、图像平滑、二值化、图像细化等。
特征提取的目的就是从预处理后的指纹图像中，提取出能够表达该指纹图像与众不同的特征点的过程。最初特征提取是基于图像的，从图像整体中提取出特征进行比较，但该方法的精度和性能较低。现在一般采用基于特征点的方法，从图像中提取反应指纹特性的全局特征（如纹形、模式区、核心区、三角点、纹数等）和局部特征（如终结点、分叉点、分歧点、孤立点、环点等）。得到特征点后就可以对特征点进行编码形成特征值模板。指纹特征值比对就是把当前获得的指纹特征值与存储的指纹特征值模板进行匹配，并给出相似度的过程。
指纹识别的优点:技术相对成熟；成本较低。缺点是：具有侵犯性；指纹易磨损，手指太干或太湿不易提取图像。
2.3. 虹膜识别
虹膜相对而言是一个较新的生物特征。1983年，Flom与Safir申请了虹膜识别专利保护，使得虹膜识别方面的研究很少。1993年，Daugman发表了关于虹膜自动识别算法的开创性工作，奠定了世界上首个商业虹膜自动识别系统的基础。随着Flom和Safir专利在2005年的失效和CASIA及ICE2005中虹膜数据集的提供，虹膜识别算法的研究越来越蓬勃。I
CE2006首次对虹膜识别算法性能进行了测试。虹膜识别中需要解决如下两个难点问题：一是虹膜图像的获取，二是实现高性能的虹膜识别算法。
3. 结论
本文讨论了一些常用的生物特征识别技术的技术特点及发展趋势。随着各国对生物特征识别技术的越来越重视，生物特征识别技术必将获得更快的发展。
参考文献：
[1]张敏贵，潘泉，等.多生物特征识别[J].信息与控制,2002,31(6).
[2]杨俊，景疆.浅谈生物认证技术——指纹识别[J].计算机时代，2004,(3）.
[3]侯鸿川.面部温谱图身份识别技术探讨[J].中国人民公安大学学报（自然科学版）,2005,（3）.
[4] 陈锻生,刘政凯. 彩色图像人脸高光区域的自动检测与校正方法. 软件学报, 2003 , 14 (11) : 1900～1906.
[5] 于瑞华，洪卫军.生物特征识别技术及其应用[J]. 只能建筑于城市信息，2004，(8).
